怎么將VOC XML文件轉(zhuǎn)化成COCO數(shù)據(jù)格式

這篇文章將為大家詳細(xì)講解有關(guān)怎么將VOC XML文件轉(zhuǎn)化成COCO數(shù)據(jù)格式，小編覺(jué)得挺實(shí)用的，因此分享給大家做個(gè)參考，希望大家閱讀完這篇文章后可以有所收獲。

數(shù)據(jù)轉(zhuǎn)換實(shí)在是個(gè)煩人的工作，被折磨了很久決定抽出時(shí)間整理一下，僅供參考。

在一個(gè)項(xiàng)目中，我需要將已有的VOC的xml標(biāo)注文件轉(zhuǎn)化成COCO的數(shù)據(jù)格式，為了方便理解，文章按如下順序介紹：

• XML文件內(nèi)容長(zhǎng)什么樣

• COCO的數(shù)據(jù)格式長(zhǎng)什么樣

• XML如何轉(zhuǎn)化成COCO格式

VOC XML長(zhǎng)什么樣？

下面我只把重要信息題練出來(lái)，如下所示：

    文件夾目錄    圖片名.jpg    path_to\at002eg001.jpg            Unknown                550        518        3        0            Apple        Unspecified        0        0                    292            218            410            331                ...

可以看到一個(gè)xml文件包含如下信息：

• folder: 文件夾

• filename：文件名

• path：路徑

• source：我項(xiàng)目里沒(méi)有用到

• size：圖片大小

• segmented：圖像分割會(huì)用到，本文僅以目標(biāo)檢測(cè)（bounding box為例進(jìn)行介紹）

• object：一個(gè)xml文件可以有多個(gè)object，每個(gè)object表示一個(gè)box，每個(gè)box有如下信息組成：

• name：改box框出來(lái)的object屬于哪一類(lèi)，例如Apple

• bndbox：給出左上角和右下角的坐標(biāo)

• truncated:略

• difficult：略

COCO長(zhǎng)什么樣？

COCO目錄啥樣？

不同于VOC，一張圖片對(duì)應(yīng)一個(gè)xml文件，coco是直接將所有圖片以及對(duì)應(yīng)的box信息寫(xiě)在了一個(gè)json文件里。通常整個(gè)coco目錄長(zhǎng)這樣：

coco
|______annotations # 存放標(biāo)注信息
|        |__train.json
|        |__val.json
|        |__test.json
|______trainset # 存放訓(xùn)練集圖像
|______valset   # 存放驗(yàn)證集圖像
|______testset  # 存放測(cè)試集圖像

COCO的json文件啥樣？

一個(gè)標(biāo)準(zhǔn)的json文件包含如下信息：

{
   "info": info,
   "images": [image],
   "annotations": [annotation],
   "licenses": [license],
}

info{
   "year": int,
   "version": str,
   "description": str,
   "contributor": str,
   "url": str,
   "date_created": datetime,
   }
image{
       "id": int,
       "width": int,
       "height": int,
       "file_name": str,
       "license": int,
       "flickr_url": str,
       "coco_url": str,
       "date_captured": datetime,
   }
license{
   "id": int,
   "name": str,
   "url": str,
   }

是不是有點(diǎn)抽象？官網(wǎng)就是這樣的，酸爽不酸爽，反正我看官網(wǎng)看的一臉懵。。?？赡苁沁€欠點(diǎn)修行

那么json里具體每一個(gè)是干嘛用的呢？且let me一一道來(lái)。（散裝英語(yǔ)說(shuō)的好爽）

• info： 這個(gè)記錄的是你的數(shù)據(jù)集信息，例如

"info": { # 數(shù)據(jù)集信息描述
        "description": "COCO 2017 Dataset", # 數(shù)據(jù)集描述
        "url": "http://cocodataset.org", # 下載地址
        "version": "1.0", # 版本
        "year": 2017, # 年份
        "contributor": "COCO Consortium", # 提供者
        "date_created": "2017/09/01" # 數(shù)據(jù)創(chuàng)建日期
    }    `

• licenses: 記錄的就是license。。。，license可以有多個(gè)，因?yàn)榭赡苣闶菑亩鄠€(gè)渠道獲得的數(shù)據(jù)，例如

"licenses": [
        {
            "url": "http://creativecommons.org/licenses/by-nc-sa/2.0/",
            "id": 1,
            "name": "Attribution-NonCommercial-ShareAlike License"
        },
        ……
        ……
    ],

• images：這個(gè)其實(shí)就是記錄每一張圖片的信息，主要的有 文件名、寬、高、id，其他的可選，如：

"images": [
        {
            "file_name": "000000397133.jpg", # 圖片名
            "id": 397133 # 圖片的ID編號(hào)（每張圖片ID是唯一的）
            "height": 427, # 高
            "width": 640, # 寬
            
            "license": 4,
            "coco_url":  "https://cache.yisu.com/upload/information/20210524/357/20029.jpg",# 網(wǎng)路地址路徑
            "date_captured": "2013-11-14 17:02:52", # 數(shù)據(jù)獲取日期
            "flickr_url": "https://cache.yisu.com/upload/information/20210524/357/20030.jpg",# flickr網(wǎng)路地址
        },
        ……,
        ……
    ]

• categories：這個(gè)很好理解，就是你的類(lèi)別信息。
  其中需要注意的是：

• 有一個(gè)key是“supercategory”，之所以有這個(gè)是因?yàn)樵贑OCO數(shù)據(jù)集中有的類(lèi)別其實(shí)是可以歸類(lèi)為同一類(lèi)的，例如貓和狗都屬于Animal

• id編號(hào)是從1開(kāi)始的，0默認(rèn)為背景三門(mén)峽婦科醫(yī)院http://www.0398hfyy.com/
  示例如下：

"categories": [ 
        {
            "supercategory": "person", # 主類(lèi)別
            "id": 1, # 類(lèi)對(duì)應(yīng)的id （0 默認(rèn)為背景）
            "name": "person" # 子類(lèi)別
        },
        {
            "supercategory": "Animal", 
            "id": 2,
            "name": "bicycle"
        },
        {
            "supercategory": "vehicle",
            "id": 3,
            "name": "car"
        },
        ……
        ……
    ],

如何將XML轉(zhuǎn)化為COCO格式

下面直接搬運(yùn)別人已經(jīng)寫(xiě)好的代碼，親測(cè)有效。使用注意事項(xiàng)：須先安裝lxml庫(kù)，另外你要確保你的xml文件里類(lèi)別不要出錯(cuò)，例如我自己的數(shù)據(jù)集因?yàn)橛械念?lèi)別名稱(chēng)多了個(gè)下劃線(xiàn)或者其他手賤誤敲的字母，導(dǎo)致這些類(lèi)別就被當(dāng)成新的類(lèi)別了。祝好運(yùn)。

#!/usr/bin/python

# pip install lxml

import sys
import os
import json
import xml.etree.ElementTree as ET


START_BOUNDING_BOX_ID = 1
PRE_DEFINE_CATEGORIES = {}
# If necessary, pre-define category and its id
#  PRE_DEFINE_CATEGORIES = {"aeroplane": 1, "bicycle": 2, "bird": 3, "boat": 4,
                         #  "bottle":5, "bus": 6, "car": 7, "cat": 8, "chair": 9,
                         #  "cow": 10, "diningtable": 11, "dog": 12, "horse": 13,
                         #  "motorbike": 14, "person": 15, "pottedplant": 16,
                         #  "sheep": 17, "sofa": 18, "train": 19, "tvmonitor": 20}


def get(root, name):
    vars = root.findall(name)
    return vars


def get_and_check(root, name, length):
    vars = root.findall(name)
    if len(vars) == 0:
        raise NotImplementedError('Can not find %s in %s.'%(name, root.tag))
    if length > 0 and len(vars) != length:
        raise NotImplementedError('The size of %s is supposed to be %d, but is %d.'%(name, length, len(vars)))
    if length == 1:
        vars = vars[0]
    return vars


def get_filename_as_int(filename):
    try:
        filename = os.path.splitext(filename)[0]
        return int(filename)
    except:
        raise NotImplementedError('Filename %s is supposed to be an integer.'%(filename))


def convert(xml_list, xml_dir, json_file):
    list_fp = open(xml_list, 'r')
    json_dict = {"images":[], "type": "instances", "annotations": [],
                 "categories": []}
    categories = PRE_DEFINE_CATEGORIES
    bnd_id = START_BOUNDING_BOX_ID
    for line in list_fp:
        line = line.strip()
        print("Processing %s"%(line))
        xml_f = os.path.join(xml_dir, line)
        tree = ET.parse(xml_f)
        root = tree.getroot()
        path = get(root, 'path')
        if len(path) == 1:
            filename = os.path.basename(path[0].text)
        elif len(path) == 0:
            filename = get_and_check(root, 'filename', 1).text
        else:
            raise NotImplementedError('%d paths found in %s'%(len(path), line))
        ## The filename must be a number
        image_id = get_filename_as_int(filename)
        size = get_and_check(root, 'size', 1)
        width = int(get_and_check(size, 'width', 1).text)
        height = int(get_and_check(size, 'height', 1).text)
        image = {'file_name': filename, 'height': height, 'width': width,
                 'id':image_id}
        json_dict['images'].append(image)
        ## Cruuently we do not support segmentation
        #  segmented = get_and_check(root, 'segmented', 1).text
        #  assert segmented == '0'
        for obj in get(root, 'object'):
            category = get_and_check(obj, 'name', 1).text
            if category not in categories:
                new_id = len(categories)
                categories[category] = new_id
            category_id = categories[category]
            bndbox = get_and_check(obj, 'bndbox', 1)
            xmin = int(get_and_check(bndbox, 'xmin', 1).text) - 1
            ymin = int(get_and_check(bndbox, 'ymin', 1).text) - 1
            xmax = int(get_and_check(bndbox, 'xmax', 1).text)
            ymax = int(get_and_check(bndbox, 'ymax', 1).text)
            assert(xmax > xmin)
            assert(ymax > ymin)
            o_width = abs(xmax - xmin)
            o_height = abs(ymax - ymin)
            ann = {'area': o_width*o_height, 'iscrowd': 0, 'image_id':
                   image_id, 'bbox':[xmin, ymin, o_width, o_height],
                   'category_id': category_id, 'id': bnd_id, 'ignore': 0,
                   'segmentation': []}
            json_dict['annotations'].append(ann)
            bnd_id = bnd_id + 1

    for cate, cid in categories.items():
        cat = {'supercategory': 'none', 'id': cid, 'name': cate}
        json_dict['categories'].append(cat)
    json_fp = open(json_file, 'w')
    json_str = json.dumps(json_dict)
    json_fp.write(json_str)
    json_fp.close()
    list_fp.close()


if __name__ == '__main__':
    if len(sys.argv) <= 1:
        print('3 auguments are need.')
        print('Usage: %s XML_LIST.txt XML_DIR OUTPU_JSON.json'%(sys.argv[0]))
        exit(1)

    convert(sys.argv[1], sys.argv[2], sys.argv[3])

關(guān)于“怎么將VOC XML文件轉(zhuǎn)化成COCO數(shù)據(jù)格式”這篇文章就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，使各位可以學(xué)到更多知識(shí)，如果覺(jué)得文章不錯(cuò)，請(qǐng)把它分享出去讓更多的人看到。